-
公开(公告)号：CN118246736B
公开(公告)日：2024-10-08
申请号：CN202410273455.4
申请日：2024-03-11
Applicant: 成都信息工程大学
IPC: G06Q10/0635 , G06Q10/0639 , G06Q50/26 , G06F18/25 , G06F18/214
Abstract: 本发明公开了一种融合风险评估改进模糊综合评价的台风应对措施处理方法，涉及台风应对处理领域，所述方法包括：步骤1：确定研究区，获得研究区与台风对应的属性信息，基于与台风对应的属性信息获得研究区台风综合风险指数，基于研究区台风综合风险指数获得研究区中各个城市的台风风险值；步骤2：搜集历史台风应对措施，构建台风应对措施集，对台风应对措施集中的台风应对措施进行分类；步骤3：确定台风应对措施评价指标，构建台风应对措施评价指标矩阵，并对台风应对措施评价指标矩阵进行更新；步骤4：基于台风应对措施评价矩阵和研究区中各个城市的台风风险值，对步骤3更新后的台风应对措施评价指标矩阵进行更新；步骤5：基于步骤4更新后得到的台风应对措施评价矩阵，利用逼近理想解算法获得研究区中各个城市对应的不同台风应对措施的评分，基于研究区中各个城市对应的不同台风应对措施的评分获得研究区中各个城市的台风应对最佳措施。本发明能够准确以及合理的获得的台风应对措施。
-
公开(公告)号：CN118658162A
公开(公告)日：2024-09-17
申请号：CN202410762701.2
申请日：2024-06-13
Applicant: 成都信息工程大学
IPC: G06V20/70 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了变化导向的相似度金字塔网络的语义变化检测方法，涉及图像变化检测领域，所述方法包括：构建相似性金字塔网络CG‑SPNet，所述相似性金字塔网络CG‑SPNet包括编码器和多尺度相似度金字塔模块MSSP；基于待检测遥感图像，所述编码器的若干阶段依次进行特征提取，获得不同阶段的双时相语义特征，获取所述编码器最后阶段提取的双时相语义特征，获得输入特征#imgabs0#基于所述多尺度相似度金字塔模块MSSP对所述输入特征#imgabs1#进行相似度分析获得输出特征#imgabs2#基于所述输出特征#imgabs3#获得预测图，所述预测图包括第一预测图#imgabs4#第二预测图#imgabs5#和第三检测图#imgabs6#将所述第三检测图#imgabs7#分别对所述第一预测图#imgabs8#和所述第二预测图#imgabs9#进行矩阵相乘，获得检测图像；基于所述检测图像获得检测结果，可以解决现有基于深度学习的SCD方法由于接收区域有限而面临局限性，难以提取类似大型物体的多尺度特征并对大尺度特征做出完整一致的响应的问题。
-
公开(公告)号：CN118504560A
公开(公告)日：2024-08-16
申请号：CN202410515138.9
申请日：2024-04-26
Applicant: 成都信息工程大学
IPC: G06F40/279 , G06F16/31 , G06F40/126 , G06N3/096 , G06N3/0455 , G06N3/048
Abstract: 本发明公开了融合关系过滤和多任务学习的全局指针网络实体关系抽取方法，涉及自然语言处理领域，包括：将原始文本映射到预训练语言模块的输入序列，在输入序列的开头和结尾分别进行标记，对原始文本中的句子进行特征提取获得输出词向量；基于词向量构建全局指针网络，对全局指针网络进行训练，全局指针网络用于进行实体抽取；基于词向量获得关系过滤解码模块，训练关系过滤解码模块，关系过滤解码模块用于对关系进行筛选过滤；基于全局指针网络和关系过滤解码模块构建实体与关系抽取模块，基于实体与关系抽取模块对待处理文本进行处理，实体与关系抽取结果，本发明能够解决重叠三元组问题以及嵌套实体问题，并且模型更具有全局观，实现了训练与预测目标的一致性，增强了模型的性能，减少了实体关系抽取中的冗余关系判断，针对多任务学习，本发明设计了自适应损失函数权重调整，提升模型的性能。
-
公开(公告)号：CN118410804A
公开(公告)日：2024-07-30
申请号：CN202410515140.6
申请日：2024-04-26
Applicant: 成都信息工程大学
IPC: G06F40/295 , G06F16/35 , G06F40/126 , G06F18/10 , G06F18/214 , G06F18/241 , G06N20/00 , G06N3/0985
Abstract: 本发明公开了一种面向中文专利摘要的命名实体识别方法，涉及自然语言处理领域，所述方法包括：获取预设IPC分类号的中文专利申请文件的摘要数据获得训练集；将所述训练集进行分类获得若干类别的子训练集，基于所有所述子训练集和预设标签构建分类模型；获取待识别专利摘要数据，基于自适应超参数获得识别模型，基于所述分类模型、所述识别模型和所述待识别专利摘要数据获得预测序列；基于所述预测序列生成命名实体标注序列，基于命名实体标注序列获得若干命名实体，基于所有所述命名实体获得专利检索结果，可以解决现有中文专利摘要命名实体识别方式依赖人工编写的语法规则和标注数据，导致该方式适应性、可扩展性和泛化能力差的问题。
-
公开(公告)号：CN117853957A
公开(公告)日：2024-04-09
申请号：CN202410031125.4
申请日：2024-01-09
Applicant: 成都信息工程大学
IPC: G06V20/17 , G06V20/10 , G06V10/82 , G06V10/25 , G06V10/762 , G06T7/60 , G06V10/774 , G06V10/776 , G06N3/0464 , G06V10/44
Abstract: 本发明公开了基于无人机遥感图像的烟田种植信息提取方法，包括建立烟草检测深度学习模型；通过无人机拍摄待检测烟田的图像数据；将所述图像数据输入至所述烟草检测深度学习模型，得到若干单株烟草检测框；聚类划分不同烟田，提取各烟田的种植信息；所述种植信息包括行距、株距、种植面积或种植密度中的任意一种或多种。本发明提供基于无人机遥感图像的烟田种植信息提取方法，以解决现有技术中依赖卫星遥感数据的农作物面积获取技术难以适用于山地烟草种植，对于山地区域的烟草种植信息依然需要依赖于人工实地考察问题，实现利用无人机遥感技术准确获取山地区域的烟草种植信息、提高烟草农业的现代化程度的目的。
-
Patent Agency Ranking
-
公开(公告)号：CN111475329B
公开(公告)日：2023-07-18
申请号：CN202010115247.3
申请日：2020-02-25
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种大数据应用平台下降低预测式纠删码修复的方法及装置，其方法包括：利用磁盘预测模型分析出纠删码中即将出现故障的磁盘节点中的数据块和磁盘个数S，并将所述即将出现故障的磁盘节点划分到同一数据小组中；根据所述即将出现故障的磁盘个数S，通过为每个数据小组生成S个局部冗余块，同时更新全局冗余块的个数，生成预测式纠删码；在对所述预测式纠删码进行恢复时，确定实际出现故障的实际磁盘节点中的数据块和实际磁盘个数，并根据所述实际出现故障的实际磁盘个数和利用磁盘预测模型分析出的预测磁盘个数进行预测式纠删码修复。
-
公开(公告)号：CN114694031B
公开(公告)日：2023-05-02
申请号：CN202210450474.0
申请日：2022-04-24
Abstract: 本发明公开了一种基于多任务注意力机制的遥感图像典型地物提取方法，利用四个注意力模块从内部和外部融合全局特征，增大了模型的感受野，从而解决地物要素分布范围广、区域面积大的问题；利用多任务机制构建多解码器结构，从而降低不同地物类型对模型参数的竞争，从而较少相似地物的误判；利用边缘提取任务和距离图提取任务，增加了边缘约束，从而提升了边缘提取的效果，最终实现了对多类典型地物要素的智能提取，且提取精度较高。
-
公开(公告)号：CN111739158B
公开(公告)日：2023-04-25
申请号：CN202010602322.9
申请日：2020-06-29
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种三维场景图像恢复方法，在进行三维场景图像恢复时，对于视野很广的三维数据，尤其是360度的视野，不需要再进行大量深度图像的合并，把组成三维图像的一系列子图像根据不受约束的特征跟踪，确定最优的三维重建点，进而完成对三维场景图像的恢复；通过使用全景图像，可以提取覆盖很宽视野的3D数据，从而避免了大量深度图合并的需要，进而避免了深度图之间的相对位置还不完全清楚的情况下合并会出现的三维场景恢复错误；通过对全景图进行特征点的跟踪，减少了模糊匹配的数量，提高了三维场景图像恢复效率。
-
公开(公告)号：CN114118024B
公开(公告)日：2022-06-21
申请号：CN202111474679.4
申请日：2021-12-06
Applicant: 成都信息工程大学
IPC: G06F40/151 , G06F40/166 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种条件文本生成方法，包括采集文本数据；数据预处理；构建编码器、解码器；将条件信息和文本数据分别通过编码器编码，得到条件特征、文本特征；将条件特征和文本特征进行特征融合，得到融合后的特征，记为融合特征；将所述融合特征作为解码器的输入，得到解码器的输出结果；计算损失；基于解码器的输出结果和损失，对网络模型进行训练，直到满足训练条件或达到最大训练次数，输出训练后的网络模型；向训练后的网络模型中输入条件信息和提示文本，生成文本。本发明要解决的技术问题之一是现有条件文本生成技术会在模型训练的同时生成结果，导致效率低下、细粒度不高的问题，实现更高效、流畅的生成条件文本的目的。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.042 seconds)
